Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący modeli języków VALL-E i kodeków

Zapoznaj się z podejściem VALL-E do modelu języka opartego na tokenach-kodekach, etapowym generowaniem tokenów i warunkami stojącymi za raportowanymi wynikami głosowymi kilku strzałów.

Powiązane ścieżki prowadząceModele języka Vall E i kodeków
Pytanie 1 z 8

Jaka podstawowa idea odróżnia VALL-E od wcześniejszych systemów zamiany tekstu na mowę?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jaka podstawowa idea odróżnia VALL-E od wcześniejszych systemów zamiany tekstu na mowę?
    • Przewiduje tokeny kodeków neuronowych w ramach zadania modelowania języka, zamiast przewidywać spektrogram
    • Wykorzystuje wyłącznie ręcznie wykonane przetwarzanie sygnału
    • Wymaga godzin dźwięku z głośnika docelowego
    • Generuje tekst z mowy
  2. Ile dźwięku referencyjnego potrzebuje VALL-E, aby sklonować głos nowego głośnika?
    • Około godziny
    • Około trzech sekund
    • Brak referencyjnego dźwięku
    • Około trzydziestu minut
  3. Którego kodeka neuronowego używa VALL-E do tworzenia swoich tokenów audio?
    • MP3
    • Opus
    • Kodek
    • WAV
  4. Dlaczego VALL-E wykorzystuje zarówno etap autoregresyjny, jak i nieautoregresyjny?
    • Aby przetłumaczyć mowę na wiele języków
    • Aby oddzielić muzykę od mowy
    • Aby skompresować wprowadzany tekst
    • Ponieważ tokeny kodeków są warstwowe, więc przewiduje tokeny zgrubne sekwencyjnie i tokeny dokładne równolegle
  5. Mniej więcej, na jakiej ilości danych mowy przeszkolono VALL-E, umożliwiając silne klonowanie typu zero-shot?
    • Około 60 000 godzin
    • Około 100 godzin
    • Około 1000 godzin
    • Około 10 godzin
  6. Oprócz barwy, co jeszcze VALL-E może zachować z krótkiego klipu referencyjnego?
    • Dokładne słowa mówiącego na zawsze
    • Środowisko akustyczne nagrania
    • Film, który mu towarzyszył
    • Oryginalny format pliku
  7. What does VALL-E condition on to imitate a target speaker in its demonstration setup?
    • A photograph and a written biography only
    • A long labeled transcript from every target-speaker recording
    • A short audio prompt from that speaker plus the text to speak
    • A speaker ID with no audio example
  8. What text representation does the VALL-E paper use as input to its text-to-code model?
    • A raw waveform of the target utterance
    • A speaker’s face embedding
    • A list of MIDI notes
    • A phoneme sequence